优点：精度高、对异常值不敏感、无数据输入假定 缺点：计算复杂度高、控件复杂度高 适用数据范围：数值型和标称型 首先我们来理解它的工作原理： 存在一个样本数据集（训练集），并且我们知道每一数据与目

机器学习令人兴奋，但实际操作却很困难也很复杂。它涉及到很多手动操作，如集合工作流和管道，设置数据源，以及在内部部署与云部署的资源之间切换等。 Python 是一款强大的工具语言，被广泛应用在大数据和机器学习之中。以下推荐了

1. 第一章 机器学习及数据挖掘基本原理王斌 中国科学院信息工程研究所大数据核心技术之数据挖掘与机器学习技术探索及应用 2. 目录基本概念典型应用预备知识 3. 什么是机器学习(Machine Lea

艺术家如何使用机器学习来进行创作？纽约大学《用于艺术的机器学习》课程讲师Gene Kogan在本文中探讨了这个话题。 今年春季，我将在纽约大学的交互式电信项目（ITP）中教授一门课程——用于艺术的

MLPACK 是一个 C++ 的机器学习库，其重点是可伸缩性、速度和易用。 MLPACK 2.0.0 发布，主要更新如下： * Parallelization: the DET (density 

是一个快速、模块化、功能丰富的开源 C++ 机器学习库，提供了各种机器学习相关技术，比如线性/非线性优化、基于内核学习算法、神经网络等。Shark 已经应用于多个现实项目中。 机器学习（Machine Lear

Jubatus 是一个分布式处理框架和机器学习库，包含以下功能： 在线机器学习库，包括：分类、聚合和推荐 fv_converter: 数据预处理（用自然语言） 在线机器学习框架，支持容错 项目主页： http://www

计算技术通常用来分析数据，而理解数据则依赖于机器学习。多年来，对于大多数开发者来说，机器学习却是非常遥远、一直是难以企及的。 这可能是现在收益最高，也是最受欢迎的一项技术之一。毫无疑问——作为开发人员，机器学习是一个能够大展身手的舞台。

classification Logistics回归模型要解决的是分类问题，在之前的二元分类问题中，我们将数据分成正例和负例，但是像PLA算法一样，用单位阶跃函数来处理的这种瞬间跳跃的过程有时很难处理。于是，我们希望能得到正例的概率值是多少。

分布：一个随机变量是根据给定的概率从集合随机选取的，然后所选随机变量的值就得到了( first, a random variable is selected by chance from the collection

Machine Learning Goals? 我收到过许多想开始学习机器学习的开发者和学生的邮件。我问他们的第一个问题是：是什么阻止了你开始学习？ 我试图找出让他们挣扎的核心原因，大多数时候都是一些自我限制的想法在阻止他们前进。

在学界一般认为，《红楼梦》后 40 回并非曹雪芹所著。本文尝试应用机器学习的方法来分析原著文本中作者的用词习惯，从技术角度去说明《红楼梦》前 80 回和后 40 回的写作风格差别，继而可以确认后 40 回非原作者所写。

http://python.jobbole.com/84326/ ‍ 为了理解和应用机器学习技术，你需要学习 Python 或者 R。这两者都是与 C、Java、PHP 相类似的编程语言。但是，

了做到这一点，每天会运行大量机器学习工作流，而为了支撑创建这么多机器学习工作流和有效利用资源，Netflix的工程师开发了Meson。 Meson是一个通用的工作流和调度框架，它可以跨异质性系统进

随着基于人工智能与机器学习的应用如雨后春笋般不断涌现，我们也看到有很多提供类似功能的 API 悄悄登上了舞台。 API 是用于构建软件应用的程序、协议以及工具的组合；本文是对 2015 中这个列表 的修正与完善，移除了部分被废弃的

OpenNLP 是一个机器学习工具包，用于处理自然语言文本。支持大多数常用的 NLP 任务，例如：标识化、句子切分、部分词性标注、名称抽取、组块、解析等。 Apache OpenNLP 1

作者：daniel-D 1. 前言 熟悉机器学习的童鞋都知道，优化方法是其中一个非常重要的话题，最常见的情形就是利用目标函数的导数通过多次迭代来求解无约束最优化问题。实现简 单，coding 方便

大当家的，快醒醒！！斯坦福的《机器学习》课程已经开始上课了！ 课程在 Coursera 开设，老师提醒，虽然课程今天才开始，但是 3 月 27 日你就要提交第一次作业了！ 鸭梨山大有木有？

建一些可伸缩的机器学习算法，供开发人员在 Apache 在许可下免费使用。该项目已经发展到了它的最二个年头，目前只有一个公共发行版。Mahout 包含许多实现，包括集群、分类、CP 和进化程序。此外，通过使用

st-ml-api-to-use 机器学习作为大数据的前沿无疑是让人生畏的，因为只有技术极客和数据科学领域的专家才能驾驭机器学习算法和技术，对于大部分企业和组织而言，过去这一直都是一个遥不可及的事